高铁复杂网络拓扑特征及节点中心性研究

以我国主要代表性城市为研究对象, 分析高速铁路网络特性与拓扑特征, 识别高铁网络中的节点城市及其功能作用。运用Space-P方法构建高铁网络模型, 利用复杂网络理论及Pajek分析软件, 从度值、平均路径长度、聚集系数及节点城市中心性等方面研究我国高铁网络的拓扑结构及节点中心性, 结果表明: 我国高铁网络整体聚集性较高、连通性较强, 东中部及沿海城市表现出高聚集性, 西部城市高铁网络连通性低, 聚集性较弱; 高铁网络具有小世界特征, 任意两节点之间通过较少的中转次数即可连通, 少数城市间需中转三次才能连通; 在高铁网络中, 度值较大的城市主要集中在我国东中部及沿海地区, 西部及东北地区城市度值较小且度中心性较大, 其接近中心性也较大; 而度值较小且介数中心性较大的城市具有较强的中转能力。     

一种基于h指数变体的软件网络节点重要性度量方法

新成员在参与软件项目开发和维护系统时,往往需要花费大量时间去理解系统的结构和功能,为了加速新成员对系统的理解,通常优先推荐他们关注一些系统中更重要的类。大量研究表明软件系统具有明显的复杂网络拓扑形态,可以将软件系统抽象为软件网络模型,通过网络节点重要性度量方法识别软件系统中更重要的类,辅助新成员快速掌握系统的核心结构和功能。目前,关于网络节点重要性度量的方法很多,大多数方法仅考虑邻居节点的度或边的权重。另外,h指数作为一种成功用于定量评估研究人员学术成就的指标也很少应用于软件网络中重要类的识别。作者以Ant、Jung和Maven项目为研究对象,构建对应的加权软件网络模型,结合节点的度和连边的权重信息提出H-NWD、A-NWD和G-NWD 3个h指数的变体指标来度量软件系统中类的重要性,并与已有的度中心性、介数中心性、接近度中心性、特征向量中心性、PageRank中心性5个常用的复杂网络中心性度量指标进行对比。实验结果表明,本文所提的H-NWD和G-NWD指标与已有的度量指标交集达到80%以上,能够很好地识别软件系统中重要类;在确定类的修改情况下,H-NWD指标与度中心性、特征向量中心性、PageRank中心性共同识别的重要类节点rank值更靠前,且被识别的其他类节点修改更频繁,相比于已有指标在识别关键类上更准确。     

基于节点中心性的移动机会网络网关选择算法

移动机会网络中,为使用户快速从因特网获取数据,需要选择某些合适节点担任网关。研究了移动机会网络网关选择问题。证明了k网关选择判定问题是NP难的。基于移动节点的中介中心性、度中心性、接近中心性,利用贪婪策略,提出了移动机会网络的网关选择算法。实验结果表明,基于节点中心性的3种网关选择算法均可改善网络性能。特别是基于节点接近中心性的算法可使性能得到最大幅度提升;基于节点中介中心性和度中心性的算法的性能受网络规模、需选择网关数目影响不大;基于节点接近中心性的网关选择算法对网络性能的改善幅度随需选择的网关数目的增多而增大。     

基于中心节点的动态扩散社团划分算法

社团划分是复杂网络研究中的关键研究方向之一。现有的绝大多数工作都聚焦于网络拓扑而忽略网络上的动态过程,针对此问题提出一种基于中心节点的动态扩散社团划分算法。首先,提出基于非回溯游走路径数的节点中心性评价指标;其次,为了对网络上发生的多尺度社交互动模式进行建模,找到一种新的边隶属度向量表示节点的社团归属情况,将中心节点与社团划分联系在一起,用动态系统表示社团成员的动态分配过程进而完成重叠社团划分;最后,为验证所提算法的有效性,将其应用于真实网络和人工网络,实验结果表明,所提算法在划分精度上有很大的优势。     

一种基于主机重要度的网络主机节点风险评估方法

现有依据攻击图评估网络主机节点方法中的原子攻击概率和资产保护价值计算时,未考虑主机节点间关联关系对主机节点风险值的影响。对此,提出了以网络中主机重要程度为基础的风险评估方案。首先,依据网络信息构建主机攻击图,利用漏洞可利用性、代码可用性和防御强度计算原子攻击概率并依据攻击图计算路径攻击概率;然后,从攻击图结构和资产保护价值2个角度表征主机重要度,利用原子攻击概率的倒数对主机攻击图加权并计算主机节点的改进加权介数指标,利用熵权法对主机节点资产保护价值指标赋权并计算资产保护价值;最后,根据主机节点最大路径攻击概率和主机重要度计算网络主机节点的风险值。实验结果表明,所提方法能够更全面地评估网络环境中的主机节点风险,得到的风险值更加合理。     

表征机会传感网络连通性的方法

机会传感网络的连通性具有时间演化性,很难用传统的图模型直接建模.为此,采用时间图对机会传感网络的连通性进行建模,通过时间路径、时间距离和连通效率计算得到整网连通度,提出采用整网连通度表征机会传感网络的连通性能.仿真实验结果表明,整网连通度能够较准确地反映不同实验场景下的网络连通性.     

加权社交网络节点中心性计算模型

将无权网络中度量节点中心性的方法——主分量中心性(principal component centrality)应用于加权社交网络,提出基于链接强度矩阵的加权中心性度量法. 实验结果显示,加权主分量中心性在传播效率、鲁棒性和容错性等方面优于加权特征向量中心性(eigenvector centrality),因此加权主分量中心性在加权社交网络中是可行有效的.     

一维无线ad hoc网络的连通性

在节点服从一维泊松分布，仅考虑路径衰落和等发射功率的假设下，分析了一维无线ad hoc网络的连通性，推导了节点处于静态和移动两种情况下的网络连通概率.在节点处于静态情况下，推导了网络的闭环连通概率，以及达到给定网络连通概率所需要的发射功率，证明了保证网络渐近全连通时节点发射半径应满足的条件.在节点处于移动情况下，推导了基于一般移动模型下的网络连通概率公式，并应用此公式进一步求得随机路点(random waypoint, RWP)移动模型下的网络连通概率.在静态和移动的情形下，通过仿真对理论分析的真确性进行了验证，结果表明，在大多数情形下理论分析所预测的连通概率与仿真结果吻合较好.     

基于信息功能链的军事通信网络拓扑抗毁性评估方法

为更加准确地评估军事通信网络(military communication network,MCN)拓扑抗毁性(topology survivability,TS),建立了基于节点功能类型的MCN拓扑模型;给出了T-CPUE(transport-collect,process,use,effect)信息功能链的概念,定义MCN拓扑抗毁性为使T-CPUE信息功能链保持连通的能力;分别基于节点连通度、链路结合度、节点重要度、链路重要度和T-CPUE信息功能链的连通度,提出了的5种MCN拓扑抗毁性指标。以某体系作战通信网络为例,分析了在逐渐移除最大度节点和最重要节点的策略下,网络的各种拓扑抗毁性随移除节点数的变化情况,验证了所提方法的合理性和有效性。     

识别流网络关键节点的虚拟外界投入产出分析法

网络关键节点识别是复杂网络研究的核心问题之一。经济学中的投入产出分析法可以用于评估带有外界流入流出量的开放流网络的节点中心性,但该方法不能直接应用于缺乏外界流入流出量的封闭流网络系统的关键节点识别。该文通过引入虚拟的外界节点将封闭流网络系统转化为开放的流网络系统,再在转换后的网络上进行标准的投入产出分析即可对网络关键节点进行识别。以中国铁路网络和世界粮农贸易网络关键节点识别问题为例,演示了虚拟外界投入产出分析法的应用过程与结果。该文方法为评估一般的封闭流网络系统中的节点中心性提供了一种可选手段。     

基于多参数节点排序的SDN控制器部署策略

针对已有的软件定义网络（SDN）控制器部署关注基于控制消息路由时延最优的问题,引入节点的介数中心性作为参数,分析了介数中心性对于控制器部署位置选择的重要性,并联合节点的可靠性提出了一种基于多参数节点排序方案（MFRS）的控制器位置部署策略,将节点进行排序并分层,依据节点间的连接关系计算出控制权值,最终确定控制器位置. 仿真结果表明,MFRS的控制消息路由跳数小于基于时延的最短路径算法,且基于MFRS的网络可靠性高于基于时延的最短路径算法.     

基于图嵌入的多重异质网络节点重要度评估

为提高多重异质网络中节点重要度评估的准确性,提出一种基于图嵌入的节点重要度评估方法。通过随机游走采样邻居节点,聚合节点在同种连边类型和不同连边类型下的节点特征,利用多层感知机将特征映射到嵌入空间,得到嵌入向量;根据节点的嵌入向量和局部结构特征构建重要度评估指标。在CElegans和CS-Aarhus等数据集上的实验结果表明,与多重介数中心性、有偏页面排序和多重证据中心性等方法相比,所提方法具有更高的准确性。     

复杂网络在交通网络节点重要度评估中的应用

为了找到道路交通网络中的重要节点,保障交通通行.文中使用一种基于节点收缩方法的复杂网络节点重要度评估办法,将该方法应用于城市道路交通网络,并以莲湖区为例评估该区域城市道路交通网络的节点重要性.结果表明:道路交通网络中的节点重要度与通过该节点的交通流量和节点在网络中的位置有关,使用该方法得到了道路交通网络节点重要度的排序,结果更贴近实际情况.     

基于排名聚合的时序网络节点重要性研究

目前时序网络节点重要性的研究主要从时序路径、连通性、网络效率等方面展开。该文考虑到时序网络层内的连接关系和层间耦合关系,引入基于评分矩阵的排名聚合理论,提出了一种基于排名聚合的时序网络节点重要性识别方法。Manufacturing和Enrons等实证数据上的实验结果表明,基于排名聚合的时序网络节点重要性度量方法对比其他方法的Spearman相关系数平均提高2.41%和18.63%,说明了该方法在时序网络节点重要性度量的适用性和有效性。     

Centrality measure of complex networks based on resource flow

A new centrality measure for complex networks,called resource flow centrality,is proposed in this paper. This centrality measure is based on the concept of the resource flow in networks.It not only can be applied to the connected networks,but also the disconnected networks. Moreover,it overcomes some disadvantages of several common centrality measures. The performance of the proposed measure is compared with some standard centrality measures using a classic dataset and the results indicate the proposed measure performs more reasonably. The statistical distribution of the proposed centrality is investigated by experiments on large scale computer generated graphs and two networks from the real world.